learning-roadmap

万字总结分享成为 Agent 工程师的学习路线，覆盖 LLM 基础、Prompt Engineering、RAG、Agent 应用与后端工程，配套学习文档、项目要求和验收标准，帮助读者系统补齐 AI 应用开发技能。

一份值得收藏的全面路线图，涵盖软件架构从基础与设计原则，到分布式系统、领域驱动设计、演进实践以及沟通协作，面向希望成长为架构师的开发者。

一位从业者分享了从零成为 AI 工程师的 6 个月路线图，涵盖软件基础、LLM 应用开发、RAG、智能体与评估、部署/可靠性以及方向选择——强调公司招聘的是在模型之上构建系统的人，而不是训练模型的人。

DataWhale出品的Agent-Learning-Hub是一个系统学习AI Agent的路线图与资源宝库，包含8个学习阶段和11个渐进项目，帮助开发者从零构建可靠AI代理。已获3.9k+ stars。

这份名为AI-Roadmaps的学习资料整理了人工智能和数据科学领域的8条系统化学习路径，涵盖从基础数学到高级专题，适合转行或入门学习者。

一个名为Agent-Learning-Hub的开源学习路线项目，将AI Agent学习拆分为8个阶段，从构建最小Agent loop到生产部署，提供可执行的todo list和推荐资源，由Datawhale社区成员维护。